乳腺腫瘤是近年來(lái)威脅女性健康的常見(jiàn)疾病,臨床表明,早期的乳腺腫瘤如果能被及時(shí)發(fā)現(xiàn)并給予治療,多數(shù)都可成功治愈,因此乳腺腫瘤的醫(yī)學(xué)診斷尤為重要。超聲成像技術(shù)利用超聲波聲束穿過(guò)人體,根據(jù)聲波反射的強(qiáng)弱形成超聲圖像,可以方便直觀地觀察人體內(nèi)的腫瘤、畸形等形態(tài)結(jié)構(gòu)發(fā)生變化的疾病。如今,該技術(shù)已經(jīng)憑借其無(wú)創(chuàng)、無(wú)痛、成本低廉的優(yōu)點(diǎn)廣泛應(yīng)用于乳腺腫瘤的檢測(cè)中。為了降低對(duì)乳腺超聲圖像的誤診率,輔助醫(yī)生工作,讓計(jì)算機(jī)能自動(dòng)地識(shí)別出腫瘤區(qū)域及周?chē)M織結(jié)構(gòu)是本文研究的主要目的。在醫(yī)學(xué)圖像處理領(lǐng)域,識(shí)別目標(biāo)的主要方法是通過(guò)圖像分割來(lái)取得目標(biāo)區(qū)域。本文研究的方法是對(duì)圖像做語(yǔ)義分割,這種分割方法不僅能確定目標(biāo)的位置,同時(shí)還能夠識(shí)別出目標(biāo)的類(lèi)別,通過(guò)分類(lèi)模型計(jì)算每個(gè)像素點(diǎn)的類(lèi)別概率分布,使用全連接條件隨機(jī)場(chǎng)模型來(lái)對(duì)整幅圖像進(jìn)行優(yōu)化,以確定每個(gè)像素點(diǎn)的類(lèi)別,達(dá)到語(yǔ)義分割的目的。本文首先對(duì)目前國(guó)內(nèi)外在圖像分割領(lǐng)域的研究現(xiàn)狀作了總結(jié),接下來(lái)提出本文的圖像語(yǔ)義分割方法的思路,對(duì)取得的乳腺超聲圖像樣本提取多種不同的特征,之后分別對(duì)它們使用支持向量機(jī)模型訓(xùn)練,比較其在測(cè)試樣本上的圖像分割效果,實(shí)驗(yàn)中由全卷積神經(jīng)網(wǎng)絡(luò)提取的深層次特征具有較好的分割準(zhǔn)確性,本文將這種圖像分割得到的像素類(lèi)別概率分布插值放大后得到本研究的圖像粗分割,然后提出了一種基于醫(yī)學(xué)先驗(yàn)約束的全連接條件隨機(jī)場(chǎng)模型,該模型考慮了乳腺超聲圖像中組織器官的層次特點(diǎn)與相鄰關(guān)系,增加了類(lèi)別間距離約束項(xiàng),可以對(duì)不符合醫(yī)學(xué)常識(shí)的分割結(jié)果給予懲罰,以糾正粗分割中分類(lèi)模型產(chǎn)生的錯(cuò)誤分割。實(shí)驗(yàn)表明,本文的方法能夠很好的處理圖像特征不明朗、SVM分類(lèi)器產(chǎn)生違反醫(yī)學(xué)常識(shí)的識(shí)別結(jié)果等問(wèn)題,可以在乳腺超聲圖像上取得較好的分割效果。
【學(xué)位單位】：哈爾濱工業(yè)大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位年份】：2018
【中圖分類(lèi)】：TP391.41;R737.9
【部分圖文】：

灰度共生矩陣的方向

灰度共生矩陣的生成過(guò)程

2222 后使用一階的差分算子計(jì)算圖像梯度的幅值和方向，再細(xì)化圖像對(duì)梯度幅值圖像的每個(gè)像素，求得梯度方向周?chē)南袼靥荻�，找部極大值的像素點(diǎn)，并認(rèn)為該點(diǎn)為邊緣點(diǎn)，最后通過(guò)給定的兩個(gè)緣并得到邊緣信息的圖像。乳腺超聲圖像在經(jīng)過(guò) Canny 邊緣檢
【參考文獻(xiàn)】

相關(guān)期刊論文 前3條

1 王相海;方玲玲;;活動(dòng)輪廓模型的圖像分割方法綜述[J];模式識(shí)別與人工智能;2013年08期

2 王劍平;張捷;;小波變換在數(shù)字圖像處理中的應(yīng)用[J];現(xiàn)代電子技術(shù);2011年01期

3 張一飛;修非;鮑玉斌;于戈;;基于小波紋理特征的醫(yī)學(xué)圖像檢索[J];東北大學(xué)學(xué)報(bào)(自然科學(xué)版);2009年03期

相關(guān)碩士學(xué)位論文 前1條

1 張曉雪;基于概率圖模型的圖像語(yǔ)義分割技術(shù)研究[D];廈門(mén)大學(xué);2014年

本文編號(hào)：2839204